Offer 驾到，掘友接招！我正在参与2022春招打卡活动，点击查看活动详情。
内容总结来源：李宏毅——DeepLearning and Human Language Processing
1、常见的任务模型
根据输入和输出的不同，可以将语音处理的任务分为下边6个大类：
（1）语音识别
Input：Audio（语音）
Output：Text（文本）
Task：Automatic Speech Recognition（ASR）
（2）语音合成
Input：Audio（语音）
Output：Text（文本）
Task：Text-to-Speech Synthesis
（3）语音分离和声音转换
Input：Audio（语音）
Output：Audio（语音）
Task：Speech Separation，Voice Conversion
（4）Translation、Summarization、Chat-bot、QA
Input：Text（文本）
Output：Text（文本）
Task：机器翻译、文本摘要、聊天机器人、问答系统
（5）Speaker Recogntion & Keyword Spotting
Input：Audio（语音）
Output：Class
Task：判断说话者（小爱、Siri），关键词检测
（6）Text Classification & Text Matching
Input：Text（文本）
Output：class
Task:文本分类、文本匹配
2、语音识别的单位（对样本进行token化）
（1）phoneme（音位，音素）：a unit of sound (最小语音单位)，需要Lexicon（词典）映射：word to phonemes
（2）grapheme（字位）:smallest unit of a writing system（书写的最小单位），需要26个字母表+space+标点符号
（3）word：单词
（4）morpheme（词素）：the smallest meaningful unit（<word,>grapheme）,词根、词缀之类
For example ：unbreakable-> un，break，able
（5）Bytes ：the system can be language independent(utf-8作为处理的基本单位)
- E2E模型
4.1 LAS
4.2 CTC
参考：
语音识别(Speech Recognition)综述 - 知乎
